[논문] 대조적 비지도 데이터 증강을 위한 암시적 데이터 합성

출처: arXiv - 2606.07498v1

개요

과학적 관측은 라벨이 없는 대량의 데이터를 생성하는데, 이를 수작업으로 라벨링하는 것은 매우 번거롭다. 따라서 비지도 학습 기법이 데이터셋 처리에 가치가 있다. 이러한 접근법 중 대비 학습(contrastive learning)은 라벨이 없는 데이터셋으로부터 구조적 표현을 추출하는 편리한 메커니즘을 제공한다. 자연 이미지의 경우, 다양한 데이터 공간 증강 방법을 사용해 합성 샘플을 생성하지만, 과학 관측 데이터에서는 데이터 공간 교란이 근본적으로 데이터를 변형시킬 수 있다. 우리의 제안 방법은 데이터 자체가 아니라 네트워크 가중치를 교란하여 대비 샘플을 생성함으로써 데이터 구조를 보다 잘 보존한다. 우리는 이 기법을 SimCLR 기반 파이프라인에 적용하여 유성 레이더 관측에 사용했으며, 동일한 프로토콜 하에서 성능 향상을 입증한다.

주요 기여

이 논문은 다음 분야의 연구를 제시한다:

• cs.CV

방법론

자세한 방법론은 전체 논문을 참고하라.

실용적 함의

이 연구는 cs.CV 분야의 발전에 기여한다.

저자

• Patrick Kage
• Trevor Hedges
• N. Siddharth
• Pavlos Andreadis

논문 정보

• arXiv ID: 2606.07498v1
• 분류: cs.CV
• 발표일: 2026년 6월 5일
• PDF: PDF 다운로드